一种新的基于平衡决策树的SVM多类分类算法

被引：21

作者：

刁智华 ^{[1
,2
]}

赵春江 ^{[1
]}

郭新宇 ^{[1
]}

陆声链 ^{[1
]}

机构：

[1] 国家农业信息化工程技术研究中心

[2] 中国科学技术大学自动化系

来源：

控制与决策 | 2011年 / 01期

基金：

北京市自然科学基金;

关键词：

支持向量机; 决策树; 多类分类器; 类间可分性;

D O I：

10.13195/j.cd.2011.01.151.diaozhh.026

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了有效地减少样本训练时间,提高多类分类器的识别率,同时使模型具有较好的推广能力,在综合考虑待分类样本数和类别易分性能的基础上,在"先分样本数较大的类"和"先分易分的类"之间折衷考虑,提出一种基于样本的新的类划分方案.采用平衡决策树结构,得到了一种新的决策树支持向量机多类分类算法.实验结果表明,该算法在不降低识别率的情况下,能大大减少系统的训练时间,是一种有效的多类分类算法.

引用

页码：149 / 152+156 +156

页数：5

共 10 条

[1] 非平衡二叉树多类支持向量机分类方法 [J].